L''informatica mette a disposizioni diverse classi di formalismi per rappresentare dei documenti testuali su supporto elettronico. I più elementari sono i sistemi di codifica dei caratteri. Essi rappresentano il “grado zero” della rappresentazione di un testo su supporto digitale, e sono alla base di tutti i sistemi più sofisticati: in linea generale ogni documento digitale è costituito da un flusso di caratteri (o stringa). Il carattere è l''unità atomica per la rappresentazione, l''organizzazione e il controllo di dati testuali sull''elaboratore. Come qualsiasi altro tipo di dati, anche i caratteri vengono rappresentati all''interno di un elaboratore mediante una codifica numerica binaria. Per la precisione, prima si stabilisce una associazione biunivoca tra gli elementi di una collezione di simboli (character repertoire) e un insieme di codici numerici (code set), l''insieme risultante viene denominato tecnicamente codec character set. Per ciascun coded character set, poi, si definisce una codifica dei caratteri (character encoding) basata su un algoritmo che mappa una o più sequenze di 8 bit al numero intero che rappresenta un dato carattere in un coded character set. Esistono diversi coded character set, alcuni dei quali sono stati definiti da enti di standardizzazione nazionali e internazionali, che si differenziano per il numero di cifre binarie che utilizzano, e dunque per il numero di caratteri che possono codificare.

La codifica dei caratteri, naturalmente, non esaurisce i problemi della rappresentazione elettronica di un documento. Se prendiamo un qualsiasi testo a stampa, una semplice analisi ci permette di evidenziare una serie di fenomeni: la segmentazione del testo in macrounità, la presenza di titoli e sottotitoli, le enfasi, ecc. Per rappresentare su supporto informatico tutte le caratteristiche grafiche e strutturali di un documento, pertanto, vanno adottati formalismi più complessi. Tra questi vi sono i cosiddetti markup language, linguaggi di marcatura. L''espressione markup deriva dall''analogia tra questi linguaggi e le annotazioni inserite da autori, curatori editoriali e correttori nei manoscritti e nelle bozze di stampa di un testo al fine di indicare correzioni e trattamenti editoriali, chiamate in inglese markup. In modo simile, i linguaggi di marcatura sono costituiti da un insieme di istruzioni, dette tag (marcatori), che servono a descrivere la struttura, la composizione e l''impaginazione del documento. I marcatori sono sequenze di normali caratteri e vengono introdotti, secondo una determinata sintassi, all''interno del documento, accanto alla porzione di testo cui si riferiscono. Nel corso degli anni si sono delineate due diverse modalità di utilizzare e considerare il markup, che consentono di suddividere i linguaggi di markup in due tipologie:
linguaggi di markup procedurali;
linguaggi di markup dichiarativi o descrittivi.
I linguaggi del primo tipo sono costituiti da insiemi di istruzioni operative che indicano la struttura tipografica della pagina (il layout), le spaziature, l''interlineatura, i caratteri usati. Questi linguaggi sono detti procedurali in quanto istruiscono un dato programma circa le procedure di trattamento cui deve sottoporre la sequenza di caratteri nel momento dell''elaborazione (in gran parte dei casi la stampa o la visualizzazione su schermo). Nei linguaggi dichiarativi, invece, i marcatori sono utilizzati per assegnare ogni porzione di testo a una certa classe di caratteristiche testuali; essi permettono di descrivere la struttura astratta di un testo e le funzioni logiche dei suoi componenti. In questo modo il markup viene reso indipendente da ogni particolare applicazione ed elaborazione del documento. Il concetto di markup dichiarativo (insieme a numerosi altri concetti di estremo rilievo per potenziare l''elaborazione automatica di documenti testuali) è stato introdotto per la prima volta con lo sviluppo dello Standard Generalized Markup Language (SGML). Per la precisione, più che un linguaggio, lo SGML è un metalinguaggio (utilizzato per descrivere altri linguaggi). Esso prescrive precise regole sintattiche per definire un insieme di marcatori e le loro reciproche relazioni, ma non dice nulla per quanto riguarda la loro tipologia, quantità e nomenclatura. Questa astrazione costituisce il nucleo e la potenza dello SGML; in sostanza, SGML serve non già a marcare direttamente documenti, ma a costruire, rispettando standard comuni e rigorosi, specifici linguaggi di marcatura adatti per le varie esigenze particolari. Un linguaggio di marcatura che rispetti le specifiche SGML viene definito “applicazione SGML” (SGML application). Ideato da Charles Goldfarb negli anni ''70, SGML è divenuto nel 1986 lo standard ufficiale ISO per la creazione e l''interscambio di documenti elettronici; il successo maggiore di questa tecnologia è stato senza dubbio il fatto di avere influenzato in modo diverso la definizione dei due linguaggi di riferimento per la creazione di documenti Web:

• l''HyperText Markup Language (HTML);
• l''Extensible Markup Language (XML).